机器人不仅能成为科学家的科研助手，还能成为科学家？中国科学技术大学（中国科大）青年科研团队通过最新研发成果给出了肯定的答案。

　　来自中国科学院（中科院）的最新消息称，在该院“数据驱动的化学、材料和生物科学的机器科学家”青年团队计划和国家自然科学基金委员会项目资助下，中国科大化学与材料科学学院罗毅、江俊教授团队与自动化系尚伟伟等合作，通过开发和集成移动机器人、化学工作站、智能操作系统、科学数据库，研制出数据智能驱动的全流程机器化学家，并已初步实现智能化学范式。

　　这项“数据智能驱动的全流程人工智能机器化学家”的研究成果论文，已在最新一期《国家科学评论》（NSR）学术期刊发表。国际审稿人评价说，该成果的“机器人系统、工作站和智能化学大脑都是最先进的”“将对化学科学产生巨大影响”。业内专家认为，机器化学家的研究工作脱离了传统试错研究范式的限制，展现出“最强化学大脑”指导的智能新范式的巨大优势，引领化学研究朝着知识理解数字化、操作指令化、创制模板化的未来趋势前进，确立了中国在智能化学创新领域的全球领跑地位。

　　据中国科大研究团队介绍，机器化学家平台实现大数据与智能模型双驱动下的化学合成-表征-测试全流程开发，在软硬件方面已全面超过欧美同类装置，作为唯一装载了计算大脑、理论模型和开放式操作系统的智能平台，它具有更强的化学智能和广泛的化学品开发能力，目前已涵盖光催化与电催化材料、发光分子、光学薄膜材料等，且适用范围将随平台升级和拓展继续扩大。

　　机器化学家平台可采用机器智能去查找和阅读文献，从海量研究数据中汲取专家经验，在前人知识与数据的基础上提出科学假说并制定实验方案；调度2台移动机器人和15个自主开发的智能化学工作站，完成高通量合成、表征、测试的化学实验全流程，且预留标准接口，具备可扩展性；通过配套的后台操作系统，实现数据的自动采集、处理、分析和可视化，并装载云端数据库，可实时调用和更新数据库信息；独有的计算大脑通过调用物理模型、理论计算、机器学习和贝叶斯优化，让智能模型融入底层的理论规律与复杂的化学实验演化，使机器科学家更加理解化学，更加擅长化学创造。

　　中国科大研究团队科普解读说，化学研究的对象日益复杂化、高维化，传统的研究范式主要是依赖于“穷举”“试错”的手段。面对庞大的化学空间，配方和工艺的搜索常常止步于局部最优，无法进行全局探索。以潜力巨大的高熵（高复杂、高无序）化合物催化剂为例，其多种元素的高度无序混合带来高稳定性，也给人工试验找出最优配比带来极大挑战。获得最优配方需要遍历测试极其庞大的化学配比组合，目前仅限于对最多3种金属组合进行优化。

　　而最新研制的机器化学家发挥其数据驱动和智能优化的优势，智能阅读1.6万篇论文并自主遴选出5种非贵金属元素，融合2万组理论计算数据和207组全流程机器实验数据，建立理实交融的智能模型，指导贝叶斯优化程序从55万种可能的金属配比中找出最优的高熵催化剂，将传统“炒菜式”遍历搜索所需的1400年缩短为5周。